hibernate性能优化
- 格式：doc
- 大小：58.50 KB
- 文档页数：12
、针对Mysql数据库而言主要是物理硬件的优化磁盘的寻道能力（磁盘的IO）Mysql的自身优化（f）文件的优化
2、针对Oracle数据库而言，Fetch Size 是设定JDBC的Statement读取数据的时候每次从数据库中取出的记录条数，一般设置为30、50、100.Oracle数据库的JDBC驱动默认的Fetch Size=15，设置Fetch Size设置为：30、50，性能会有明显提升，如果继续增大，超出100，性能提升不明显，反而会消耗内存。
即在Hibernate配制文件中进行配制：
=====================================================================
＜property name="hibernateProperties"＞
＜props＞
＜prop key="hibernate.dialect"＞org.hibernate.dialect.Oracle9Dialect＜/prop＞
＜prop key="hibernate.show_sql"＞false＜/prop＞
＜!-- Create/update the database tables automatically when the JVM starts
up
＜prop key="hibernate.hbm2ddl.auto"＞update＜/prop＞ --＞
＜!-- Turn batching off for better error messages under PostgreSQL
＜prop key="hibernate.jdbc.batch_size"＞100＜/prop＞ --＞
＜prop key="hibernate.jdbc.batch_size"＞50＜/prop＞
＜/props＞
＜/property＞
2、如果是超大的系统，建议生成htm文件。加快页面提升速度。
3、不要把所有的责任推在hibernate上，对代码进行重构，减少对数据库的操作，尽量避免在数据库查询时使用in操作，以及避免递归查询操作，代码质量、系统设计的合理性决定系统性能的高低。
4、 对大数据量查询时，慎用list（）或者iterator（）返回查询结果，
（1）。 使用List（）返回结果时，Hibernate会所有查询结果初始化为持久化对象，结果集较大时，会占用很多的处理时间。
（2）。 而使用iterator（）返回结果时，在每次调用iterator.next（）返回对象并使用对象时，Hibernate才调用查询将对应的对象初始化，对于大数据量时，每调用一次查询都会花费较多的时间。当结果集较大，但是含有较大量相同的数据，或者结果集不是全部都会使用时，使用iterator（）才有优势。
5、在一对多、多对一的关系中，使用延迟加载机制，会使不少的对象在使用时方会初始化，这样可使得节省内存空间以及减少数据库的负荷，而且若PO中的集合没有被使用时，就可减少互数据库的交互从而减少处理时间。
6、对含有关联的PO（持久化对象）时，若default-cascade="all"或者
“save-update”，新增PO时，请注意对PO中的集合的赋值操作，因为有可能使得多执行一次update操作。
7、 对于大数据量新增、修改、删除操作或者是对大数据量的查询，与数据库的交互次数是决定处理时间的最重要因素，减少交互的次数是提升效率的最好途径，所以在开发过程中，请将show_sql设置为true，深入了解Hibernate的处理过程，尝试不同的方式，可以使得效率提升。尽可能对每个页面的显示，对数据库的操作减少到100——150条以内。越少越好。
以上是在进行Struts+hibernate+spring进行项目开发中，对hibernate性能优化的几点心得。
本文依照HIBERNATE帮助文件，一些网络书籍及项目经验整理而成，只提供要点和思路，具体做法能留言探讨，或是找一些更周详更有针对性的资料。
初用HIBERNATE的人也许都遇见过性能问题，实现同一功能，用HIBERNATE和用JDBC性能相差十几倍非常正常，如果不及早调整，非常可能影响整个项目的进度。
大体上，对于HIBERNATE性能调优的主要考虑点如下:
数据库设计调整
HQL优化
API的正确使用(如根据不同的业务类型选用不同的集合及查询API)
主设置参数(日志，查询缓存，fetch_size, batch_size等)
映射文件优化(ID生成策略，二级缓存，延迟加载，关联优化)
一级缓存的管理
针对二级缓存，更有许多特有的策略
事务控制策略。
1、 数据库设计
a) 降低关联的复杂性
b) 尽量不使用联合主键
c) ID的生成机制，不同的数据库所提供的机制并不完全相同
d) 适当的冗余数据，不过分追求高范式
2、 HQL优化
HQL如果抛开他同HIBERNATE本身一些缓存机制的关联，HQL的优化技巧同普通的SQL优化技巧相同，能非常容易在网上找到一些经验之谈。
3、 主设置
a) 查询缓存，同下面讲的缓存不太相同，他是针对HQL语句的缓存，即完全相同的语句再次执行时能利用缓存数据。不过，查询缓存在一个交易系统(数据变更频繁，查询条件相同的机率并不大)中可能会起反作用:他会白白耗费大量的系统资源但却难以派上用场。
b) fetch_size，同JDBC的相关参数作用类似，参数并不是越大越好，而应根据业务特征去设置
c) batch_size同上。
d) 生产系统中，切记要关掉SQL语句打印。
4、 缓存
a) 数据库级缓存:这级缓存是最高效和安全的，但不同的数据库可管理的层次并不相同，比如，在ORACLE中，能在建表时指定将整个表置于缓存当中。
b) SESSION缓存:在一个HIBERNATE SESSION有效，这级缓存的可干预性不强，大多于HIBERNATE自动管理，但他提供清除缓存的方法，这在大批量增加/更新操作是有效的。比如，同时增加十万条记录，按常规方式进行，非常可能会发现OutofMemeroy的异常，这时可能需要手动清除这一级缓存:Session.evict及Session.clear
c) 应用缓存:在一个SESSIONFACTORY中有效，因此也是优化的重中之重，因此，各类策略也考虑的较多，在将数据放入这一级缓存之前，需要考虑一些前提条件:
i. 数据不会被第三方修改(比如，是否有另一个应用也在修改这些数据?)
ii. 数据不会太大
iii. 数据不会频繁更新(否则使用CACHE可能适得其反)
iv. 数据会被频繁查询
v. 数据不是关键数据(如涉及钱，安全等方面的问题)。
缓存有几种形式，能在映射文件中设置:read-only(只读，适用于非常少变更的静态数据/历史数据)，nonstrict-read-write，read-write(比较普遍的形式，效率一般)，transactional(JTA中，且支持的缓存产品较少)
d) 分布式缓存:同c)的设置相同，只是缓存产品的选用不同，在目前的HIBERNATE中可供选择的不多，oscache, jboss cache，目前的大多数项目，对他们的用于集群的使用(特别是关键交易系统)都持保守态度。在集群环境中，只利用数据库级的缓存是最安全的。
5、 延迟加载
a) 实体延迟加载:通过使用动态代理实现
b) 集合延迟加载:通过实现自有的SET/LIST，HIBERNATE提供了这方面的支持
c) 属性延迟加载:
6、 方法选用
a) 完成同样一件事，HIBERNATE提供了可供选择的一些方式，但具体使用什么方式，可能用性能/代码都会有影响。显示，一次返回十万条记录(List/Set/Bag/Map等)进行处理，非常可能导致内存不够的问题，而如果用基于游标(ScrollableResults)或Iterator的结果集，则不存在这样的问题。
b) Session的load/get方法，前者会使用二级缓存，而后者则不使用。
c) Query和list/iterator，如果去仔细研究一下他们，你可能会发现非常多有意思的情况，二者主要差别(如果使用了Spring，在HibernateTemplate中对应find,iterator方法):
i. list只能利用查询缓存(但在交易系统中查询缓存作用不大)，无法利用二级缓存中的单个实体，但list查出的对象会写入二级缓存，但他一般只生成较少的执行SQL语句，非常多情况就是一条(无关联)。
ii. iterator则能利用二级缓存，对于一条查询语句，他会先从数据库中找出所有符合条件的记录的ID，再通过ID去缓存找，对于缓存中没有的记录，再构造语句从数据库中查出，因此非常容易知道，如果缓存中没有所有符合条件的记录，使用iterator会产生N+1条SQL语句(N为符合条件的记录数)
iii. 通过iterator，配合缓存管理API，在海量数据查询中能非常好的解决内存问题，如:
while(it.hasNext()){
YouObject object = (YouObject)it.next();
session.evict(youObject);
sessionFactory.evice(YouObject.class, youObject.getId());
}
如果用list方法，非常可能就出OutofMemory错误了。
iv. 通过上面的说明，我想你应该知道怎么去使用这两个方法了。
7、 集合的选用
在HIBERNATE 3.1文件的“19.5. Understanding Collection
performance”中有周详的说明。
8、 事务控制
事务方面对性能有影响的主要包括:事务方式的选用，事务隔离级别及锁的选用
a) 事务方式选用:如果不涉及多个事务管理器事务的话，不必使用JTA，只有JDBC的事务控制就能。
b) 事务隔离级别:参见标准的SQL事务隔离级别
c) 锁的选用:悲观锁(一般由具体的事务管理器实现)，对于长事务效率低，但安全。乐观锁(一般在应用级别实现)，如在HIBERNATE中能定义VERSION字段，显然，如果有多个应用操作数据，且这些应用不是用同一种乐观锁机制，则乐观锁会失效。因此，针对不同的数据应有不同的策略，同前面许多情况相同，非常多时候我们是在效率和安全/准确性上找一个平衡点，无论怎么，优化都不是个纯技术的问题，你应该对你的应用和业务特征有足够的了解。
9、 批量操作
即使是使用JDBC，在进行大批数据更新时，BATCH和不使用BATCH有效率上也有非常大的差别。我们能通过设置batch_size来让其支持批量操作。
举个例子，要批量删除某表中的对象，如“delete Account”，打出来的语句，会发现HIBERNATE找出了所有ACCOUNT的ID，再进行删除，这主要是为了维护二级缓存，这样效率肯定高不了，在后续的版本中增加了bulk
